2017回顧與2018前瞻：機器學習與人工智能
時隔一年，科技媒體KDnuggets最近向大數據、數據科學、人工智能和機器學習領域的一些頂尖專家征詢了他們對于2017年這些領域最重要的發展，以及2018年的主要發展趨勢的看法。這篇文章是本系列的第一篇年終總結，主要是關于在2017年，機器學習和AI領域都發生了哪些大事，以及2018年可能會出現哪些趨勢。
問題：2017年，機器學習和人工智能最重要的發展是什么，2018年有何關鍵趨勢？
2017年，KDnuggets曾就這一問題收集了很多專家的預測，總的來說，當時他們對2017年機器學習和AI發展的趨勢和預測主要集中在以下方面：
AlphaGo的成功
深度學習熱潮
自駕車
TensorFlow對神經網絡技術商業化的影響
目前來看，這些預測基本上應驗，2017年在這些方面確實取得了重要的進步。
為了了解年度最重要的發展動態，工業機器人維修，以及專家對機器學習和人工智能將在2018年取得的成果預測，參考專家的意見非常有必要。
2017AlphaGoZero最矚目，社會問題將引發討論
XavierAmatriin，Curai聯合創始人兼CTO，曾任職Quora技術總監和Netflix的研究/技術主管
今年的亮點非AlphaGoZero莫屬。這種新方法不僅在一些最有發展前景的方向上有所改進（例如深度強化學習），而且也代表了學習范式的轉變這種模式可以在沒有數據的情況下進行學習，而且最近我們也學會了將AlphaGoZero應用到象棋等其他游戲中。
在人工智能技術方面，2017年始于Pytorch，并對Tensorflow構成真正意義上的挑戰，特別是在研究方面。對此，Tensorflow通過在TensorflowFold中發布動態網絡迅速作出回應。大玩家之間的AI之戰轟轟烈烈，其中最激烈的戰爭均圍繞云而展開，所有的主要供應商都已經在各自的云服務中加緊布局AI。亞馬遜已經在他們的AWS進行大量創新，比如其最近推出構建和部署ML模型的Sagemaker。另外值得一提的是，小型玩家也在不斷涌入，例如Nvidia最近推出了他們的GPU云，位訓練深度學習模型提供了另一個有趣的選擇。雖然戰況激烈，但我很高興看到各行業在必要時能夠凝聚在一起。另外，新的ONNX神經網絡表達標準化是實現互操作性重要且必要的一步。
2017年，人工智能方面的社會問題將進一步升級。ElonMusk認為AI會越來越接近武器機器人的想法極具煽動性，讓許多人感到沮喪。另外，關于人工智能在未來幾年會對工作產生什么影響也引起了廣泛的討論。另一方面，我們會將更多的注意力集中在AI算法的透明度問題上。
預測模型透明化越發重要
GeorginaCosma，諾丁漢特倫特大學科學與技術學院的高級講師
機器學習模式，特別是深度學習模式正在對醫療保健、法律制度、工程和金融業等關鍵領域產生重大影響。但是，大多數機器學習模型難以解釋。了解一個模型如何在剖析和診斷模型中進行預測的原理尤為重要，因為模型提出的預測必須值得我們信賴。重要的是，一些機器學習模型的決定必須遵守法律法規。現在，我們創建的深度學習模型的預測原理必須足夠透明，特別是當這些模型的結果會影響人類的決定，或用來做出決定的時候。
云AI競賽加劇，AlphaGoZero無實質性突破
PedroDomingos，華盛頓大學計算機科學與工程系教授
AI賭神Libratus戰勝德州撲克專家，將AI的主導地位擴展到并不完善的信息游戲中。
自動駕駛汽車和虛擬助手之間的競爭越來越激烈，Alexa在后者中占有一席之地。
谷歌、亞馬遜、微軟和IBM之間的云AI競賽。
AlphaGoZero很偉大，但并沒有實質性的突破。自我對弈游戲是ML最常見的挑戰領域，人類經過不到500萬場游戲訓練即可掌握Go游戲的玩法。
AI成為企業競爭優勢，人才短缺現狀將繼續
AjitJaokar，牛津大學數據科學物聯網課程首席數據科學家和創建者
2017年是AI的一年，2018年將是AI走向成熟的一年，我們已經從AI與系統工程/云原生的角度看到這一趨勢。AI講變得越來越復雜，但h2o.ai這樣的公司會讓部署AI變得更簡單。
我看到人工智能在企業之間取得競爭優勢方面的作用越來越大，特別是在工業物聯網、零售和醫療保健方面。我也看到人工智能正在被迅速部署在企業的各個層面（創造新的機會，但更多工作崗位消失）。因此，這已經超越了PythonvsR和cats的討論！
此外，我認為人工智能是通過嵌入式人工智能（即跨越企業和物聯網的數據科學模型）合并傳統企業，以及更加廣泛的供應鏈。
最后，除了銀行等傳統行業（尤其是工業物聯網）之外，了解AI/深度學習技術的數據科學家短缺的情況將繼續存在。
ML＆AI幫助企業提高效率
NikitaJohnson，RE.WORK創始人
2017年見證了ML＆AI取得巨大的進步，特別是最近DeepMind的一般強化學習算法，在四小時內自學游戲規則，并擊敗世界上最強大的象棋游戲程序。
2018年，我期望看到智能自動化滲透到傳統制造企業、零售、公共事業單位等各種公司。隨著數據收集和分析量不斷增長，企業級自動化系統戰略將變得至關重要。這將促使公司投資于長期AI計劃，并將其列為企業成長和提高效率的優先級發展事項。
我們還將看到自動化機器學習幫助非AI研究人員更輕松地使用該技術，并讓更多公司能夠將機器學習方法應用到他們的工作場所中。
元學習的進展讓人興奮
HugoLarochelle，Google研究科學家，加拿大高級研究機構機器學習和大腦項目副主任
機器學習最讓我興奮的一個趨勢是元學習（meta-learning）的發展。元學習是一個特別廣泛的總稱。但是今年，最讓我興奮的是我們在少數學習問題上取得了進展，這就解決了如何從若干例子中發現學習算法的問題。ChelseaFinn在今年年初曾就這一話題的進展，在這篇博客中中進行了很好的總結。值得注意的是，現在在機器學習方面，ChelseaFinn是眾多令人驚嘆的博士生中，最有成就、最令人印象深刻的人之一。
今年年末，人們使用深度時間卷積網絡、圖形神經網絡等方法，進行了更多關于用少量鏡頭學習的元學習研究。現在，元學習方法也更多地被用于主動學習、冷啟動項目推薦、少數分布預測、強化學習、分層RL、模仿學習等。
這是一個令人興奮的領域，我一定會在2018年對這一領域保持密切關注。
AI沉默著革命，全球AI咨詢需求大增
CharlesMartin，數據科學家和機器學習AI顧問
2017年，深度學習AI平臺和應用程序發展勢頭迅猛。Facebook發布了Tensorflow的競品PyTorch，以及Gluon、Alex、AlphaGo等進步，ML從特征工程和邏輯回歸發展到閱讀論文、應用神經網絡、優化訓練效果。在我的咨詢實踐中，客戶已經在尋求自定義對象檢測、高級NLP和強化學習服務。當市場和比特幣飆升的時刻，KUKA機器人維修，人工智能一直在進行著沉默的革命，其再零售業應用也啟示著人們，人工智能改變整個行業的巨大潛力。企業想要變革，對AI技術和技術指導非常感興趣。